任 群

(亳州学院 电子与信息工程系，安徽 亳州 236800)

云计算中的集群计算应用需求满足各种计算需求.例如，某些应用程序对吞吐量敏感，它们必须尽快地处理每一个输入(例如，MapReduce[1])；某些应用程序是对延迟敏感的，它们可能不需要精确的答案(例如，Google或Bing的搜索结果).为了能够描述数据中心级别应用程序的通信需求，提高分布式数据并行应用程序的通信性能，协流(co-flow)这一抽象概念便出现了.与传统的数据流(例如，TCP流)相比，协流可以描述两个节点之间的流的集合，仅在所有流完成之后两个节点之间的通信阶段才算完成.本文设计了一个应用透明的协流识别机制，并对其进行进一步的优化.对于协流识别，利用机器学习中的聚类算法，探讨了协流的各种属性，同时无需手动修改任何应用程序，以达到高精度的识别.为了提高识别系统的性能，提出了优化措施.最后，利用仿真实验来评估算法的性能.

1 协流识别系统

协流识别系统主要包括3个步骤：

(1)属性选择

每一个流可以用一系列的属性表征，表示为一个属性元组.

(2)距离计算

已知属性元组，计算元组之间的距离来得到流之间的关系.其中，属于相同协流的流将具有较小的距离.

(3)基于聚类的识别策略

采用无监督的聚类来识别协流.之所以使用无监督的学习，是因为协流不能被预定义的类别标记.

1.1 属性选择

我们首先探讨一组可能在协流识别中有用的流级别、社区级别和应用程序级的属性.